首页> 中文学位 >3D点云环境下的快速目标跟踪算法研究
【6h】

3D点云环境下的快速目标跟踪算法研究

代理获取

目录

声明

摘要

第1章 引言

1.1 课题的研究背景与意义

1.2 国内外研究现状分析

1.3 本文的主要研究内容

1.4 章节安排

第2章 一种快速的3D点云目标跟踪算法系统框架

2.1 目标跟踪方法描述

2.2 粒子滤波跟踪算法

2.2.1 基本粒子滤波跟踪算法

2.2.2 KLD自适应粒子滤波跟踪算法

2.2.3 存在的问题

2.3 本文提出的目标跟踪框架

2.4 本文使用的数据集

2.5 本章小结

第3章 3D点云目标跟踪步骤分析

3.1 点云采样算法对比与分析

3.1.1 点云简化的基本要求

3.1.2 点云采样方法

3.1.3 点云采样算法实验效果

3.2 场景分割算法对比与分析

3.2.1 SegmenterLight

3.2.2 区域生长分割

3.2.3 欧式距离分割

3.2.4 分割性能指标

3.2.5 分割算法实验效果

3.3 模型滤波算法对比与分析

3.3.1 模型滤波方法

3.3.2 模型滤波性能指标

3.3.3 模型滤波算法实验效果

3.4 PCL环境下目标跟踪算法框架分析

3.4.1 基本粒子滤波跟踪算法

3.4.2 KLD自适应粒子滤波跟踪算法

3.4.3 本文的目标跟踪算法

3.5 目标跟踪算法对比实验

3.6 本章小结

第4章 快速KLD跟踪实验测试与分析

4.1 实验平台介绍

4.2 场景分割测试

4.3 KLD自适应粒子滤波跟踪测试

4.4 本章小结

第5章 总结与展望

致谢

参考文献

附录

展开▼

摘要

运动目标检测是计算机视觉和数字图像处理的一个热门方向,广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域。随着三维传感器如Kinect和TOF摄像机等的快速发展,获取点云成本变得便宜,三维环境下的运动目标跟踪渐渐成为研究的热点。
  近年来,虽然研究者们提出了大量关于3D场景目标跟踪的方法,但是目前为止并没有一个统一的跟踪框架。另外,没有专门的报告对点云的这些跟踪方法的影响因素进行深入的分析。
  本课题提出一个3D环境下基于PCL(Point Cloud Library)的运动目标跟踪框架。通过对场景进行直通滤波,得到目标所在的兴趣区域,对该区域采样减少点云数目,分割包含运动目标的兴趣区域,提取原始运动目标模型,对该模型进行滤波以减少误差,最后将其作为参考模型运用到KLD自适应粒子滤波框架中实现运动目标跟踪。将提出的目标跟踪框架分成四个部分,在每个部分中选出总体性能较好的算法,最终构成一个快速的3D环境下基于PCL的目标跟踪框架。在模块化机械臂分拣系统上进行测试,结果表明了该框架的有效性。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号